Casos de Covid-19 no Brasil
https://github.com/wcota/covid19br/
Casos de SRAG-COVID no Brasil
Dados processados (e abertos) do infogripe: http://bit.ly/mave-covid19-dados
The R Project for Statistical Computing
DT: https://rstudio.github.io/DT/
flexdashboard: https://rmarkdown.rstudio.com/flexdashboard/
ggplot2: https://ggplot2.tidyverse.org/
leaflet: https://rstudio.github.io/leaflet/
leafpop: https://github.com/r-spatial/leafpop brazilmaps: http://github.com/rpradosiqueira/brazilmaps
Dashboard desenvolvido por Leonardo Bastos (pesquisador do MAVE/PROCC/Fiocruz) e por Lucas Bianchi (doutorando em epidemiologia, ENSP/FIocruz). Adaptado do dashboard desenvolvido pela professora Paula Moraga (Univeristy of Bath, UK) usando dados coletados pelo agregador desenvolvido por Wesley Cota (doutorando da UFV e Universidad de Zaragoza, Espanha).
---
title: "COVID-19 no Brasil por estados"
output:
flexdashboard::flex_dashboard:
source_code: embed
css: styles.css
vertical_layout: scroll
orientation: rows
navbar:
- { title: "MAVE", href: "http://covid-19.procc.fiocruz.br/" }
editor_options:
chunk_output_type: console
---
```{r, echo=FALSE, results='hide'}
library(tidyverse)
library(flexdashboard)
library(leaflet)
library(lubridate)
library(DT)
library(gridExtra)
library(brazilmaps)
library(leafpop)
library(sf)
library(plotly)
```
```{r, echo=FALSE, results='hide', cache=FALSE}
###############################################
# Script feito por Leo Bastos (@leosbastos)
#
# Esse (flex)dashboard foi desenvolvido por Leo Bastos
# (pesquisador do MAVE/PROCC/Fiocruz). Com suporte de Lucas Bianchi
# (doutorando em epidemiologia, ENSP/FIocruz).
# Adaptado a partir de um dashboard desenvolvido pela professora
# Paula Moraga (Univeristy of Bath, UK) usando dados coletados
# pelo agregador desenvolvido por Wesley Cota
# (doutorando da UFV e Universidad de Zaragoza, Espanha) e
# dados abertos do projeto infogripe.
# Lendo dados
# Wesley Cota
d.estados <- read.csv("https://raw.githubusercontent.com/wcota/covid19br/master/cases-brazil-states.csv",
sep=",", encoding = "UTF-8", stringsAsFactors = F) %>%
mutate(date = ymd(date))
## Mapas do Brasil pelo pacote brazilmaps
# Por estado
state_map <- get_brmap(geo = "State",
#geo.filter = list(Region = 5),
class = "sf") %>%
# SIRGAS 2000 ( https://wiki.osgeo.org/wiki/Brazilian_Coordinate_Reference_Systems )
st_set_crs(4674)
tbl.sigla.UF <- tibble(
# Estados em ordem alfabetica
nome = sort(as.character(state_map$nome)),
# Sigla
sigla = c("AC", "AL", "AP", "AM", "BA", "CE", "DF", "ES", "GO", "MA",
"MT", "MS", "MG", "PA", "PB", "PR", "PE", "PI", "RJ", "RN",
"RS", "RO", "RR", "SC", "SP", "SE", "TO"),
regiao = c("Norte", "Nordeste", "Norte", "Norte", "Nordeste", "Nordeste",
"Centro Oeste", "Sudeste", "Centro Oeste", "Nordeste",
"Centro Oeste", "Centro Oeste", "Sudeste", "Norte", "Nordeste", "Sul",
"Nordeste", "Nordeste", "Sudeste", "Nordeste",
"Sul", "Norte", "Norte", "Sul", "Sudeste", "Nordeste", "Norte"),
COD_ID = state_map$State[order(as.character(state_map$nome))]
)
# state_map %>%
# state = sort(unique(d.estados$state[d.estados$state != "TOTAL"])),
## Dados de SRAG-COVID
# Downloading and cleaning up the data
# aaa <- read.csv2("https://gitlab.procc.fiocruz.br/mave/repo/raw/master/Dados/InfoGripe/dados_semanais_faixa_etaria_sexo_virus.csv") %>%
# # aaa <- read.csv2("~dados_semanais_faixa_etaria_sexo_virus.csv") %>%
# filter(
# (dado == "sragcovid" | dado == "obitocovid"),
# escala == "casos", sexo == "Total", Ano.epidemiológico == 2020) %>%
# select(UF, Unidade.da.Federação, Tipo, Semana.epidemiológica, dado, SARS.CoV.2) %>%
# spread(key = dado, value = SARS.CoV.2 ) %>%
# # mutate(
# # obitocovid = replace_na(obitocovid, 0)
# # ) %>%
# group_by(UF) %>%
# mutate(
# sragcovid.cum = cumsum(replace_na(sragcovid,0)),
# obitocovid.cum = cumsum(replace_na(obitocovid,0)),
# letalidade = obitocovid.cum / sragcovid.cum
# ) %>% ungroup() %>%
# # Removendo as semanas sem casos de srag-covid
# mutate( sragcovid.cum = ifelse(sragcovid.cum == 0, NA,sragcovid.cum) ) %>%
# drop_na(sragcovid.cum)
# aaa %>% write_csv2(path = "Data/dados_clean_leo.csv")
d.infogripe <- read_csv2("../Data/dados_clean_leo.csv")
# aaa <- read.csv2("https://gitlab.procc.fiocruz.br/mave/repo/raw/master/Dados/InfoGripe/serie_temporal_com_estimativas_recentes.csv") %>%
# # aaa <- read.csv2("serie_temporal_com_estimativas_recentes.csv") %>%
# filter(
# (dado == "srag"),
# escala == "casos", Ano.epidemiológico == 2020) %>%
# mutate(
# Total = replace_na(
# Total.reportado.até.a.última.atualização, 0 ),
# Nowcast = ifelse(is.na(casos.estimados),
# Total.reportado.até.a.última.atualização,
# casos.estimados),
#
# ) %>%
# drop_na(Total.reportado.até.a.última.atualização) %>%
# select(UF, Unidade.da.Federação, Tipo, Semana.epidemiológica, dado, Total, Nowcast) %>%
# group_by(UF) %>%
# mutate(
# srag.cum = cumsum(Total),
# srag.now.cum = cumsum(Nowcast)
# ) %>% ungroup() %>% # View()
# write_csv2(path = "Data/dados_clean_leo2.csv")
# Razao SRAG-COVID / SRAG a partir da Semana 9 em diante
# SRAG-COVID / SRAG = 6199/34353 = 0.18045
# d.infogripe2 <- read_csv2("../Data/dados_clean_leo2.csv")
# ggplot(teste %>%
# filter(Tipo == "Região"), aes(x = Semana.epidemiológica,
# y = sragcovid.cum,
# color = factor(UF), group = UF)) +
# geom_line(show.legend = F) +
# geom_label( data = teste %>%
# filter(Tipo == "Região", Semana.epidemiológica == max(Semana.epidemiológica)),
# mapping = aes(x = Semana.epidemiológica,
# y = sragcovid.cum,
# label = substr(Unidade.da.Federação,
# start = 8,
# stop = nchar(as.character(Unidade.da.Federação))) ),
# show.legend = F ) +
# scale_y_continuous(trans = "log10") +
# ylab("Total de casos de COVID-19") +
# theme_bw() # + facet_wrap(~Tipo, nrow=2)
```
```{r, echo=FALSE, results='hide'}
# leaflet por estado
# Dados acumulados
d.covid.cum <- d.estados %>% filter(state != "TOTAL") %>%
group_by(state) %>%
summarise(
totalCases = max(totalCases),
deaths = max(deaths),
#cfr = deaths / totalCases
) %>% left_join(tbl.sigla.UF, by = c("state"="sigla"))
# Dados SRAG-COVID acumulados
d.sragcovid.cum <- d.infogripe %>% filter(Tipo == "Estado") %>%
group_by(UF) %>%
summarise(
totalCases.srag = max(sragcovid.cum),
deaths.srag = max(obitocovid.cum),
#cfr = deaths.srag / totalCases.srag
)
# d.sragcovid.now.cum <- d.infogripe2 %>% filter(Tipo == "Estado") %>%
# group_by(UF) %>%
# summarise(
# totalCases.SRAG = max((dado == "srag") * casos.cum),
# totalCases.SRAG.now = max((dado == "srag") * casos.now.cum),
# #cfr = deaths.srag / totalCases.srag
# )
state_map <- state_map %>%
left_join( d.covid.cum, by = "nome" ) %>%
left_join( d.sragcovid.cum, by = c("State"="UF")) #%>%
#left_join( d.sragcovid.now.cum, by = c("State"="UF"))
state_map <- state_map %>%
mutate(
cfr = deaths / totalCases,
cfr.srag = ifelse(totalCases.srag > 25, deaths.srag / totalCases.srag, NA),
#cfr.srag.now = ifelse(totalCases.srag > 25, deaths.srag.now / totalCases.srag.now, NA)
)
```
SRAG-COVID por estados
=====================================
Row
-----------------------------------------------------------------------
### Casos confirmados entre hospitalizados por SRAG-COVID
```{r}
#usar o dconfirmed pq o dados remove
valueBox(value = sum(d.sragcovid.cum$totalCases.srag),
color = "orange",
#icon = "glyphicon-ok"
)
```
### Óbitos entre hospitalizados por SRAG-COVID
```{r}
#usar o dconfirmed pq o dados remove
valueBox(value = sum(d.sragcovid.cum$deaths.srag),
color = "red",
#icon = "glyphicon-ok-sign"
)
```
### Letalidade entre hospitalizados por SRAG-COVID
```{r}
#usar o dconfirmed pq o dados remove
valueBox(value = paste0( round(sum(d.sragcovid.cum$deaths.srag) / sum(d.sragcovid.cum$totalCases.srag) * 100, 1), "%"),
color = "red",
#icon = "glyphicon-ok-sign"
)
```
Row
-----------------------------------------------------------------------
### Casos confirmados por estado (Passe o mouse por cima de cada ponto)
```{r}
tbl.sragcovid.state <- d.infogripe %>%
filter(Tipo == "Estado") %>%
left_join(tbl.sigla.UF, by = c("UF"="COD_ID")) %>%
mutate(
date = Semana.epidemiológica
) %>% group_by(regiao, nome, date) %>%
summarise(
totalCases = max(sragcovid.cum),
deaths = max(obitocovid.cum)
) %>% ungroup()
tbl.sragcovid.state <- tbl.sragcovid.state %>%
group_by(nome) %>%
mutate(
tempo = as.numeric( date - min(date) )
# maxtempo = max(tempo)
) %>% ungroup()
g.srag.covid <- tbl.sragcovid.state %>%
ggplot(aes( y = totalCases, x = date, group = nome, color = regiao )) +
geom_point(show.legend = F) +
scale_color_discrete("Estados") +
geom_line(show.legend = F) +
# geom_label( data = tbl.covid.state %>%
# filter(date == max(date)),
# mapping = aes(x = date, y = totalCases, label = state ),
# show.legend = F ) +
scale_y_continuous(trans = "log10") +
ylab("Total de casos de SRAG-COVID") +
#xlab("Dia") +
scale_x_continuous(name = "Semana epimiológica", breaks = 9:18, labels = 9:18) +
theme_bw(base_size = 14)
#ggtitle("Estados com transmissão comunitária") +
#theme(legend.position='none')
ggplotly(g.srag.covid)
```
### Casos hospitalizados de SRAG-COVID por estados (Clique nos estados para ver as estatísticas)
```{r}
# SRAG-COVID
pal.state <- colorNumeric(palette = "YlOrRd", domain = state_map$totalCases.srag )
# Criando o mapa de srag-covid por estado
l.srag.cases <- leaflet( state_map ) %>%
addTiles() %>%
#addProviderTiles(providers$CartoDB.DarkMatter, group = "Escuro") %>%
addProviderTiles(providers$CartoDB.Positron, group = "Claro") %>%
addProviderTiles(providers$HERE.satelliteDay, group = "Satélite") %>%
addPolygons(color = "#444444", weight = 1, smoothFactor = 0.5,
opacity = 1.0, fillOpacity = 0.5,
#fillColor = ~pal.state(cases.cat),
fillColor = ~pal.state(totalCases.srag),
highlightOptions = highlightOptions(color = "white", weight = 2,
bringToFront = TRUE, ),
popup = ~paste0("", nome,":
",
"
Confirmados:
",
totalCases.srag,
"
",
"
Óbitos:
",
deaths.srag,
"
",
"
Letalidade:
",
round(cfr.srag*100,1),
" ")
) %>%
addLegend("bottomright",
pal = pal.state,
values = ~totalCases.srag,
title = "Casos SRAG-COVID",
#labFormat = labelFormat(prefix = "$"),
opacity = 1
) %>%
addLayersControl(
baseGroups = c("Claro", "Satélite"),
options = layersControlOptions(collapsed = TRUE)
)
l.srag.cases
```
Row
-----------------------------------------------------------------------
### Casos confirmados por estado (Passe o mouse por cima de cada ponto)
```{r}
g.srag.covid.obitos <- tbl.sragcovid.state %>%
filter(deaths > 1) %>%
ggplot(aes( y = deaths, x = date, group = nome, color = regiao )) +
geom_point(show.legend = F) +
scale_color_discrete("Estados") +
geom_line(show.legend = F) +
# geom_label( data = tbl.covid.state %>%
# filter(date == max(date)),
# mapping = aes(x = date, y = totalCases, label = state ),
# show.legend = F ) +
scale_y_continuous(trans = "log10") +
ylab("Óbitos por COVID-19") +
#xlab("Dia") +
scale_x_continuous(name = "Semana epimiológica", breaks = 8:18, labels = 8:18) +
theme_bw(base_size = 14)
ggplotly(g.srag.covid.obitos)
```
### Letalidade por hospitalizações de SRAG-COVID por estados (Clique nos estados para ver as estatísticas)
```{r}
pal.state.cfr <- colorNumeric(palette = "YlOrRd", domain = state_map$cfr.srag)
# Criando o mapa de casos por estado
l.cfr.srag <- leaflet( state_map ) %>%
addTiles() %>%
#addProviderTiles(providers$CartoDB.DarkMatter, group = "Escuro") %>%
addProviderTiles(providers$CartoDB.Positron, group = "Claro") %>%
addProviderTiles(providers$HERE.satelliteDay, group = "Satélite") %>%
addPolygons(color = "#444444", weight = 1, smoothFactor = 0.5,
opacity = 1.0, fillOpacity = 0.5,
fillColor = ~pal.state.cfr(cfr.srag),
highlightOptions = highlightOptions(color = "white", weight = 2,
bringToFront = TRUE, ),
popup = ~paste0("", nome,":
",
"
Confirmados:
",
totalCases.srag,
"
",
"
Óbitos:
",
deaths.srag,
"
",
"
Letalidade:
",
round(cfr.srag*100,1),
" ")
) %>%
addLegend("bottomright", na.label = "Casos < 25",
pal = pal.state.cfr,
values = ~cfr.srag,
title = "Letalidade por SRAG-COVID",
labFormat = labelFormat(
prefix = " ",
suffix = "%",
between = ", ",
transform = function(x) 100 * x),
opacity = 1
) %>%
addLayersControl(
baseGroups = c("Claro", "Satélite"),
options = layersControlOptions(collapsed = TRUE)
)
l.cfr.srag
```
Row
-----------------------------------------------------------------------
### Casos SRAG-COVID a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto)
```{r}
g.srag.cases.1o <- tbl.sragcovid.state %>%
ggplot(aes( y = totalCases, x = tempo, group = nome, color = regiao)) +
geom_point(show.legend = F) +
geom_line(show.legend = T) +
# geom_label( data = tbl.covid.state %>%
# filter(date == max(date) ),
# mapping = aes(x = maxtempo, y = totalCases, label = state ),
# show.legend = F ) +
scale_y_continuous(trans = "log10") +
ylab("Total de casos") +
xlab("Semanas a partir do primeiro caso") +
theme_bw(base_size = 14)
# ggplotly(g.cases.1o)
ggplotly(g.srag.cases.1o)
```
### Óbitos a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto)
```{r}
g.srag.obitos.1o <- tbl.sragcovid.state %>%
filter(deaths > 1 ) %>%
ggplot(aes( y = deaths, x = tempo, group = nome, color = regiao)) +
geom_point(show.legend = F) +
geom_line(show.legend = T) +
# geom_label( data = tbl.covid.state %>%
# filter(deaths > 10 ) %>%
# filter(date == max(date) ),
# mapping = aes(x = maxtempo, y = deaths, label = state ),
# show.legend = F ) +
scale_y_continuous(trans = "log10") +
ylab("Total de óbitos") +
xlab("Semanas a partir do primeiro caso") +
theme_bw(base_size = 14)
# ggplotly(g.obitos.1o)
ggplotly(g.srag.obitos.1o)
```
COVID-19 por estados
=====================================
Row
-----------------------------------------------------------------------
### Casos confirmados de COVID-19
```{r}
#usar o dconfirmed pq o dados remove
valueBox(value = sum(d.covid.cum$totalCases),
color = "orange",
#icon = "glyphicon-ok"
)
```
### Óbitos por COVID-19
```{r}
#usar o dconfirmed pq o dados remove
valueBox(value = sum(d.covid.cum$deaths),
color = "red",
#icon = "glyphicon-ok-sign"
)
```
### Letalidade entre casos confirmados de COVID-19
```{r}
#usar o dconfirmed pq o dados remove
valueBox(value = paste0( round(sum(d.covid.cum$deaths) / sum(d.covid.cum$totalCases) * 100, 1), "%"),
color = "red",
#icon = "glyphicon-ok-sign"
)
```
Row
-----------------------------------------------------------------------
### Casos confirmados por estado (Passe o mouse por cima de cada ponto)
```{r}
tbl.covid.state <- d.estados %>%
filter(state != "TOTAL") %>%
left_join(tbl.sigla.UF, by = c("state"="sigla")) %>%
mutate(
date = epiweek(ymd(date))
) %>% group_by(regiao, nome, date) %>%
summarise(
totalCases = max(totalCases),
deaths = max(deaths)
) %>% ungroup()
tbl.covid.state <- tbl.covid.state %>%
group_by(nome) %>%
mutate(
tempo = as.numeric( date - min(date) )
# maxtempo = max(tempo)
) %>% ungroup()
g.covid <- tbl.covid.state %>%
ggplot(aes( y = totalCases, x = date, group = nome, color = regiao )) +
geom_point(show.legend = F) +
scale_color_discrete("Estados") +
geom_line(show.legend = F) +
# geom_label( data = tbl.covid.state %>%
# filter(date == max(date)),
# mapping = aes(x = date, y = totalCases, label = state ),
# show.legend = F ) +
scale_y_continuous(trans = "log10") +
ylab("Total de casos de COVID-19") +
#xlab("Dia") +
scale_x_continuous(name = "Semana epimiológica", breaks = 9:18, labels = 9:18) +
theme_bw(base_size = 14)
#ggtitle("Estados com transmissão comunitária") +
#theme(legend.position='none')
ggplotly(g.covid)
```
### Casos de COVID-19 por estados (Clique nos estados para ver as estatísticas)
```{r}
# state_map %>% sf::st_drop_geometry() %>% View()
pal.state <- colorNumeric(palette = "YlOrRd", domain = state_map$totalCases )
# Criando o mapa de casos por estado
l.cases <- leaflet( state_map ) %>%
addTiles() %>%
#addProviderTiles(providers$CartoDB.DarkMatter, group = "Escuro") %>%
addProviderTiles(providers$CartoDB.Positron, group = "Claro") %>%
addProviderTiles(providers$HERE.satelliteDay, group = "Satélite") %>%
addPolygons(color = "#444444", weight = 1, smoothFactor = 0.5,
opacity = 1.0, fillOpacity = 0.5,
#fillColor = ~pal.state(cases.cat),
fillColor = ~pal.state(totalCases),
highlightOptions = highlightOptions(color = "white", weight = 2,
bringToFront = TRUE, ),
popup = ~paste0("", nome,":
",
"
Confirmados:
",
totalCases,
"
",
"
Óbitos:
",
deaths,
"
",
"
Letalidade:
",
round(cfr*100,1),
" ")
) %>%
addLegend("bottomright",
pal = pal.state,
values = ~totalCases,
title = "Casos confirmados do COVID-19",
#labFormat = labelFormat(prefix = "$"),
opacity = 1
) %>%
addLayersControl(
baseGroups = c("Claro", "Satélite"),
options = layersControlOptions(collapsed = TRUE)
)
l.cases
```
Row
-----------------------------------------------------------------------
### Casos confirmados por estado (Passe o mouse por cima de cada ponto)
```{r}
g.covid.obitos <- tbl.covid.state %>%
filter(deaths > 1) %>%
ggplot(aes( y = deaths, x = date, group = nome, color = regiao )) +
geom_point(show.legend = F) +
scale_color_discrete("Estados") +
geom_line(show.legend = F) +
# geom_label( data = tbl.covid.state %>%
# filter(date == max(date)),
# mapping = aes(x = date, y = totalCases, label = state ),
# show.legend = F ) +
scale_y_continuous(trans = "log10") +
ylab("Óbitos por COVID-19") +
#xlab("Dia") +
scale_x_continuous(name = "Semana epimiológica", breaks = 12:18, labels = 12:18) +
theme_bw(base_size = 14)
#ggtitle("Estados com transmissão comunitária") +
# theme(legend.position='none')
# ggplotly(g.covid.obitos)
ggplotly(g.covid.obitos)
```
### Letalidade por COVID-19 por estados (Clique nos estados para ver as estatísticas)
```{r}
pal.state.cfr <- colorNumeric(palette = "YlOrRd", domain = state_map$cfr)
# Criando o mapa de casos por estado
l.cfr <- leaflet( state_map ) %>%
addTiles() %>%
#addProviderTiles(providers$CartoDB.DarkMatter, group = "Escuro") %>%
addProviderTiles(providers$CartoDB.Positron, group = "Claro") %>%
addProviderTiles(providers$HERE.satelliteDay, group = "Satélite") %>%
addPolygons(color = "#444444", weight = 1, smoothFactor = 0.5,
opacity = 1.0, fillOpacity = 0.5,
fillColor = ~pal.state.cfr(cfr),
highlightOptions = highlightOptions(color = "white", weight = 2,
bringToFront = TRUE, ),
popup = ~paste0("", nome,":
",
"
Confirmados:
",
totalCases,
"
",
"
Óbitos:
",
deaths,
"
",
"
Letalidade:
",
round(cfr*100,1),
" ")
) %>%
addLegend("bottomright",
pal = pal.state.cfr,
values = ~cfr,
title = "Letalidade por COVID-19",
labFormat = labelFormat(
prefix = " ",
suffix = "%",
between = ", ",
transform = function(x) 100 * x),
opacity = 1
) %>%
addLayersControl(
baseGroups = c("Claro", "Satélite"),
options = layersControlOptions(collapsed = TRUE)
)
l.cfr
```
Row
-----------------------------------------------------------------------
### Casos a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto)
```{r}
g.cases.1o <- tbl.covid.state%>%
ggplot(aes( y = totalCases, x = tempo, group = nome, color = regiao)) +
geom_point(show.legend = F) +
geom_line(show.legend = T) +
# geom_label( data = tbl.covid.state %>%
# filter(date == max(date) ),
# mapping = aes(x = maxtempo, y = totalCases, label = state ),
# show.legend = F ) +
scale_y_continuous(trans = "log10") +
ylab("Total de casos") +
xlab("Semanas a partir do primeiro caso") +
theme_bw(base_size = 14)
# ggplotly(g.cases.1o)
ggplotly(g.cases.1o)
```
### Óbitos a partir da confirmação do primeiro caso (Passe o mouse por cima de cada ponto)
```{r}
g.obitos.1o <- tbl.covid.state %>%
filter(deaths > 1 ) %>%
ggplot(aes( y = deaths, x = tempo, group = nome, color = regiao)) +
geom_point(show.legend = F) +
geom_line(show.legend = T) +
# geom_label( data = tbl.covid.state %>%
# filter(deaths > 10 ) %>%
# filter(date == max(date) ),
# mapping = aes(x = maxtempo, y = deaths, label = state ),
# show.legend = F ) +
scale_y_continuous(trans = "log10") +
ylab("Total de óbitos") +
xlab("Semanas a partir do primeiro caso") +
theme_bw(base_size = 14)
# ggplotly(g.obitos.1o)
ggplotly(g.obitos.1o)
```
Informação atualizada em `r format(today(), "%d/%m/%Y")`
=====================================
Fonte dos dados
**Casos de Covid-19 no Brasil**
https://github.com/wcota/covid19br/
**Casos de SRAG-COVID no Brasil**
Dados processados (e abertos) do infogripe: http://bit.ly/mave-covid19-dados
Software
**The R Project for Statistical Computing**
https://www.r-project.org/
DT: https://rstudio.github.io/DT/
flexdashboard: https://rmarkdown.rstudio.com/flexdashboard/
ggplot2: https://ggplot2.tidyverse.org/
leaflet: https://rstudio.github.io/leaflet/
leafpop: https://github.com/r-spatial/leafpop
brazilmaps: http://github.com/rpradosiqueira/brazilmaps
Dashboard desenvolvido por Leonardo Bastos (pesquisador do MAVE/PROCC/Fiocruz) e por [Lucas Bianchi](http://www.lucasbianchi.com/) (doutorando em epidemiologia, ENSP/FIocruz). Adaptado do dashboard desenvolvido pela professora [Paula Moraga](http://www.paulamoraga.com/) (Univeristy of Bath, UK) usando dados coletados pelo agregador desenvolvido por [Wesley Cota](https://wesleycota.com/) (doutorando da UFV e Universidad de Zaragoza, Espanha).